CN114169862A - 医院后勤自动排班的方法、系统、计算机设备及存储介质 - Google Patents

医院后勤自动排班的方法、系统、计算机设备及存储介质 Download PDF

Info

Publication number
CN114169862A
CN114169862A CN202111492489.5A CN202111492489A CN114169862A CN 114169862 A CN114169862 A CN 114169862A CN 202111492489 A CN202111492489 A CN 202111492489A CN 114169862 A CN114169862 A CN 114169862A
Authority
CN
China
Prior art keywords
equipment
scheduling
time period
working
period
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111492489.5A
Other languages
English (en)
Inventor
王熙楠
王国亚
沈加新
葛荣卿
杨辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Tiansu Automation Control System Co ltd
Original Assignee
Nanjing Tiansu Automation Control System Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Tiansu Automation Control System Co ltd filed Critical Nanjing Tiansu Automation Control System Co ltd
Priority to CN202111492489.5A priority Critical patent/CN114169862A/zh
Publication of CN114169862A publication Critical patent/CN114169862A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • G06Q10/1093—Calendar-based scheduling for persons or groups
    • G06Q10/1097—Task assignment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种医院后勤自动排班的方法、系统、计算机设备及存储介质，涉及医院后勤管理技术领域。本发明将某一时间段内的排班任务按照区域和工作时段进行划分，结合历年某一区域内设备在某一时间段中发生的报修和告警数据，量化排班影响因素，计算人力比重，从而计算得到该区域该工作时段内的最优人力；根据排班规则，随机生成一系列排班表作为初代群体，使用遗传算法进行迭代，迭代设定次数后，取得适应度最高的排班表作为最优排班表。本发明引入设备的报修和告警数据作为排班影响因素计算人力比重，从设备的角度进行排班人力的优化安排，提高运维人员的工作效率，增强对后勤运维高压的处理能力，减轻运维人员的工作负担。

Description

医院后勤自动排班的方法、系统、计算机设备及存储介质
技术领域
本发明涉及医院后勤管理技术领域，尤其涉及医院后勤排班技术领域，更具体地说涉及一种医院后勤自动排班的方法、系统、计算机设备及存储介质。
背景技术
医院后勤的机电设备运维工作，一般都是通过排班的方式来进行人力分配，排班的优势是可以根据人力需求和人员的专业技能来分配人力，既保障了运维工作的进行，又可以起到节约人力成本的作用。目前医院的后勤部门，排班都是由管理人员或是排班专员来进行手动排班，这样就会带来以下问题：
1、排班的结果受人为因素的影响较大，其中受到排班人员经验的影响较大，一个经验少、不了解各个运维人员技能和水平的排班人员，会造成人力资源的浪费。
2、随着运维人员的人数、专业、工作种类的增多，也会不断增加排班人员排班的难度和时长。
3、人为制定的排班表很难保证公平。
发明内容
为了克服上述现有技术中存在的缺陷和不足，本发明提供了一种医院后勤自动排班的方法、系统、计算机设备及存储介质，本发明的发明目的在于解决上述现有技术中排班结果受人为因素影响较大、排班难度大、时间长、难以保证排班公平的问题。本发明的医院后勤的自动排班方法将某一时间段内的排班任务按照区域和工作时段进行划分，得到一个数据矩阵，该数据矩阵中的每个元素表示某一区域某一工作时段的人力；结合历年某一区域内设备在某一时间段中发生的报修和告警数据，量化排班影响因素，结合排班影响因素得到该区域该工作时段内的人力比重，从而计算得到该区域该工作时段内的最优人力；对任一排班表，求解得到该排班表在该区域该工作时段内的实际人力，将实际人力与最优人力对比得到该排班表的适应度；根据排班规则，随机生成一系列排班表作为初代群体，使用遗传算法进行迭代，每次迭代均匀变异；当迭代次数达到阈值之后，从当前群体中取得适应度最高的排班表作为最优排班表。本发明引入设备的报修和告警数据作为排班影响因素计算人力比重，从设备的角度进行排班人力的优化安排，一方面可以解决排班结果受人为因素影响大，排班难度大、时间长及排班公平性的问题，另一方面可以优化人力分配，提高运维人员的工作效率，增强对后勤运维高压的处理能力，减轻运维人员的工作负担。
为了解决上述现有技术中存在的问题，本发明一方面提供了一种医院后勤自动排班的方法，该方法包括以下步骤：
S1、将设定时间段内的排班任务按照区域和工作时段进行划分；
S2、获取医院后勤设备的历史报修和告警数据，分析得到与设定时间段对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率；
S3、将S2步骤得到的与设定时间段对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率；作为影响因素，计算设定时间段内各区域各工作时段所需的人力比重；
S4、根据设定的排班规则及在岗人数，得到该设定时间段内总人力配比，根据总人力配比及S3步骤计算得到的各区域各工作时段的人力比重，计算得到该设定时间段内各区域各工作时段的最优人力配比；
S5、对于任何一个排班表，通过其实际人力配比与最优人力配比的拟合度作为其适应度函数；根据排班规则和在岗人数，随机生成一系列排班表作为初代群体；使用遗传算法进行迭代；迭代次数达到设定阈值后，从当前群体中取得适应度最高的排班表，以此排班表生成最优排班表。
进一步的，S1步骤中，将设定时间段内的排班任务按照区域和工作时段进行划分，得到一个人力配比数据矩阵M*N，其中M代表区域个数，N代表工作时段个数；该数据矩阵中每个元素Zmn表示区域m在工作时段n的人力配比。
更进一步的，S2步骤中，获取医院后勤设备历年的历史报修和告警数据，将获取的每年的医院后勤设备的历史报修和告警数据按照S1步骤中的设定时间段进行划分，并将与S1步骤中设定时间段对应的历史时间段内的历史报修和告警数据按照区域和工作时段进行划分；得到对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率。
更进一步的，所述设备报修频率amn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的报修数与该历史时间段内设备总报修数的比值；
所述设备维修难易度bmn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的维修时长与该历史时间段内设备维修总时长的比值；
所述设备告警频率cmn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的告警次数与该历史时间段内设备告警总数的比值。
更进一步的，所述设备老化程度dm表示区域m内设备的服役时长与区域m内设备的生命周期时长的比值；
所述设备使用频率em表示区域m内设备的使用时长与所有设备的使用时长的比值。
更进一步的，所述S3步骤中，各区域各工作时段的人力比重为
Figure 100002_DEST_PATH_IMAGE001
，式中，
Figure 517193DEST_PATH_IMAGE002
表示区域m内在工作时段n时的人力比重；amn表示区域m内在工作时段n时的设备报修频率；bmn表示区域m内在工作时段n时的设备维修难易度；cmn表示区域m内在工作时段n时的设备告警频率；dm表示区域m内设备的设备老化程度；em表示区域m内设备的设备使用频率。
更进一步的，S4步骤中，最优人力配比的计算公式如下：
Figure 100002_DEST_PATH_IMAGE003
式中，
Figure 637596DEST_PATH_IMAGE004
表示区域m内在工作时段n时的最优人力配比；
Figure 100002_DEST_PATH_IMAGE005
表示区域m内在工作时段n时的人力比重；Z表示总人力配比。
更进一步的，S5步骤中，根据适应度函数得出初代群体中每个排班表的适应度，将初代群体中排班表按适应度由大到小排列，取排列后的前一半排班表复制到下一代群体中，同时以设定变异概率进行变异，从而得到下一代群体，迭代次数达到设定阈值后，从当前群体中取得适应度最高的排班表，以此排班表生成最优排班表。
所述适应度函数为
Figure 355016DEST_PATH_IMAGE006
，
Figure 100002_DEST_PATH_IMAGE007
表示区域m内在工作时段n时的最优人力配比；
Figure 920864DEST_PATH_IMAGE008
表示根据当前排班表计算得到的区域m内在工作时段n时的实际人力配比；
Figure DEST_PATH_IMAGE009
表示适应度，
Figure 469657DEST_PATH_IMAGE009
的值越高，说明当前排班表越接近最优解。
所述设定变异概率为0.05，每次迭代均匀变异。
本发明第二方面提供了一种医院后勤自动排班的系统，该系统包括：数据抽取模块、数据分析模块、考勤管理模块、排班管理模块和自动排班模块；
所述数据抽取模块用于从数据库中按年度抽取出医院空间信息、设备信息、设备历史报修数据和设备历史告警数据，并将抽取出的数据发送至数据分析模块进行数据分析；
所述数据分析模块对数据抽取模块传输的医院空间信息、设备信息、设备历史报修数据和设备历史告警数据，进行分析，分析得到与设定时间段对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率，并将其作为影响因素，计算设定时间段内各区域各工作时段所需的人力比重；
所述考勤管理模块包括人事管理和人员考勤绩效管理，所述人事管理包括对考勤数据的管理、对出差、请假的审批流程管理；所述人员考勤绩效管理时根据人员考勤数据进行绩效统计；
所述排班管理模块用于设置排班规则和调班管理；
所述自动排班模块，用于将设定时间段内的排班任务按照区域和工作时段进行划分；根据考勤管理模块中统计的在岗人数和排班管理模块中的排班规则，计算得到设定时间段内总人力配比，根据总人力配比及数据分析模块得到的各区域各工作时段所需的人力比重计算得到该设定时间段内各区域各工作时段的最优人力配比；
还用于对于任何一个排班表，通过其实际人力配比与最优人力配比的拟合度作为其适应度函数；根据排班规则和在岗人数，随机生成一系列排班表作为初代群体；使用遗传算法进行迭代；迭代次数达到设定阈值后，从当前群体中取得适应度最高的排班表，以此排班表输出作为最优排班表。
所述数据分析模块将获取的每年的医院后勤设备的历史报修和告警数据按照设定时间段进行划分，并将与设定时间段对应的历史时间段内的历史报修和告警数据按照区域和工作时段进行划分；得到对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率。
更进一步的，所述设备报修频率amn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的报修数与该历史时间段内设备总报修数的比值；
所述设备维修难易度bmn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的维修时长与该历史时间段内设备维修总时长的比值；
所述设备告警频率cmn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的告警次数与该历史时间段内设备告警总数的比值。
更进一步的，所述设备老化程度dm表示区域m内设备的服役时长与区域m内设备的生命周期时长的比值；
所述设备使用频率em表示区域m内设备的使用时长与所有设备的使用时长的比值。
更进一步的，各区域各工作时段的人力比重为
Figure 964224DEST_PATH_IMAGE010
，式中，
Figure DEST_PATH_IMAGE011
表示区域m内在工作时段n时的人力比重；amn表示区域m内在工作时段n时的设备报修频率；bmn表示区域m内在工作时段n时的设备维修难易度；cmn表示区域m内在工作时段n时的设备告警频率；dm表示区域m内设备的设备老化程度；em表示区域m内设备的设备使用频率。
最优人力配比的计算公式如下：
Figure 168940DEST_PATH_IMAGE003
式中，
Figure 633420DEST_PATH_IMAGE004
表示区域m内在工作时段n时的最优人力配比；
Figure 771140DEST_PATH_IMAGE005
表示区域m内在工作时段n时的人力比重；Z表示总人力配比。
所述自动排班模块中，将设定时间段内的排班任务按照区域和工作时段进行划分，得到一个人力配比数据矩阵M*N，其中M代表区域个数，N代表工作时段个数；该数据矩阵中每个元素Zmn表示区域m在工作时段n的人力配比。
更进一步的，所述自动排班模块根据适应度函数得出初代群体中每个排班表的适应度，将初代群体中排班表按适应度由大到小排列，取排列后的前一半排班表复制到下一代群体中，同时以设定变异概率进行变异，从而得到下一代群体，迭代次数达到设定阈值后，从当前群体中取得适应度最高的排班表，以此排班表生成最优排班表。
所述适应度函数为
Figure 469231DEST_PATH_IMAGE006
，
Figure 692402DEST_PATH_IMAGE007
表示区域m内在工作时段n时的最优人力配比；
Figure 898255DEST_PATH_IMAGE008
表示根据当前排班表计算得到的区域m内在工作时段n时的实际人力配比；
Figure 687220DEST_PATH_IMAGE009
表示适应度，
Figure 585905DEST_PATH_IMAGE009
的值越高，说明当前排班表越接近最优解。
所述设定变异概率为0.05，每次迭代均匀变异。
本发明第三方面提供了一种计算机设备，包括处理器、输入设备、输出设备和存储器，处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如本发明第一方面中所描述的部分或全部步骤。
本发明的第四方面提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储有用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本发明第一方面中所描述的部分或全部步骤。
与现有技术相比，本发明所带来的有益的技术效果表现在：
1、本发明引入设备的报修和告警数据作为排班影响因素计算人力比重，从设备的角度进行排班人力的优化安排，一方面可以解决排班结果受人为因素影响大，排班难度大、时间长及排班公平性的问题，另一方面可以优化人力分配，提高运维人员的工作效率，增强对后勤运维高压的处理能力，减轻运维人员的工作负担。
2、本发明基于统一的规则，自动生成排班表，保证了排班的公平性，降低了对排班人员经验的要求，减轻了排班人员的工作压力。
3、本发明根据以往的设备报修及告警情况，预测不同时间不同区域的人力需求，可以合理地安排人力，使得人力资源利用最大化，提高运维人员的工作效率，增强对后勤运维高压的处理能力。本发明通过遗传算法求得最优解，提高了运维人员的工作效率，通过非均匀的动态调整的排班表，有效增强了对后勤运维高压的处理能力，减轻了运维人员的工作负担。
4、本发明提出的医院后勤自动排班系统，通过数据抽取模块从医院后勤管理系统的数据库中按年度抽取历史数据，便于对历史数据按年度进行分析，同时按照设定时间段，将历年历史数据进行划分，使得每个设定时间段的排班任务，均由对应的历史时间段数据作为参照，本发明中并非是利用全部历史数据作为参照，而是对应时间段的历史数据进行参照，比如，设定时间段为月，则对2021年12月的自动排班时，参照就是去年12月（2020年12月）的历史数据，或者时有历史查询记录开始至2020年结束，每年12月的历史报修数据和告警数据；这样可以确保根据历史数据预测人力时的准确性，将季节性、时间性等因素均作为考虑，例如夏天时空调的报修和告警数据较多，而冬天空调的报修和告警数据较少，暖气的报修和告警数据较多，只有按照对应历史时间段进行查询和预测，才能有效确保排班的准确性、公平性。
5、本发明的排班管理模块，可根据实际情况对排班规则做出调整，同调班管理也可以对自动排班模块生成的排班表进行手动修改，而手动修改后的排班表会再经由自动排班模块进行更新，优化，对后续时间段内的排班表做出修改，根据调整后的人员进行实时自动修改，便于运维人员调班及休假的调整，也便于运维人员间的自行调整。
6、本发明的自动排班模块引入设备的报修和告警数据作为排班影响因素计算人力比重，从设备的角度进行排班人力的优化安排，一方面可以解决排班结果受人为因素影响大，排班难度大、时间长及排班公平性的问题，另一方面可以优化人力分配，提高运维人员的工作效率，增强对后勤运维高压的处理能力，减轻运维人员的工作负担。基于统一的规则，自动生成排班表，保证了排班的公平性，降低了对排班人员经验的要求，减轻了排班人员的工作压力。
附图说明
图1为本发明医院后勤自动排班的方法的流程图；
图2为本发明医院后勤自动排班的系统的系统框架图。
具体实施方式
下面结合具体实施例，对本发明的技术方案做出进一步详细地阐述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
作为本发明一较佳实施例，参照说明书附图1所示，本实施例公开了医院后勤自动排班的方法，该方法包括以下步骤：
S1、将设定时间段内的排班任务按照区域和工作时段进行划分；
S2、获取医院后勤设备的历史报修和告警数据，分析得到与设定时间段对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率；
S3、将S2步骤得到的与设定时间段对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率；作为影响因素，计算设定时间段内各区域各工作时段所需的人力比重；
S4、根据设定的排班规则及在岗人数，得到该设定时间段内总人力配比，根据总人力配比及S3步骤计算得到的各区域各工作时段的人力比重，计算得到该设定时间段内各区域各工作时段的最优人力配比；
S5、对于任何一个排班表，通过其实际人力配比与最优人力配比的拟合度作为其适应度函数；根据排班规则和在岗人数，随机生成一系列排班表作为初代群体；使用遗传算法进行迭代；迭代次数达到设定阈值后，从当前群体中取得适应度最高的排班表，以此排班表生成最优排班表。
作为本实施例的一种实施方式，所述的设定时间段是指一次排班需要的排班时间段，例如一次排班需要对一个月内的人员安排进行排班，则设定时间段即为从当前排班任务开始之后的一个月；而与设定时间段对应的历史时间段，是指按年进行划分，历史时间段表示在当前预计进行排班的时间段对应的前一年或者时前N年的时间段，例如设定时间段为一个月，需要处理12月的排班任务，则历史时间段即为历年的12月。
作为本实施例的又一种实施方式，所述工作时段可根据需求自行定义，可以定义为一个小时，也可以根据轮班规则进行设定，例如三班轮换，23时-次日7时、7时-15时、15时-23时；每个工作时段为8小时。
作为本实施例的又一种实施方式，设定的排班规则是指，医院自定义的排班规则，例如每人每个班次工作时长为7-10小时之间浮动，每周总的工作时长为40小时，两个班次之间的休息时间不得低于6小时。
实施例2
作为本发明又一较佳实施例，参照说明书附图1，本发明公开了医院后勤自动排班的方法，该方法包括以下步骤：
S1、将设定时间段内的排班任务按照区域和工作时段进行划分，得到一个人力配比数据矩阵M*N，其中M代表区域个数，N代表工作时段个数；该数据矩阵中每个元素Zmn表示区域m在工作时段n的人力配比；
S2、获取医院后勤设备历年的历史报修和告警数据，将获取的每年的医院后勤设备的历史报修和告警数据按照S1步骤中的设定时间段进行划分，并将与S1步骤中设定时间段对应的历史时间段内的历史报修和告警数据按照区域和工作时段进行划分；得到对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率；
S3、将S2步骤得到的与设定时间段对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率；作为影响因素，计算设定时间段内各区域各工作时段所需的人力比重；
S4、根据设定的排班规则及在岗人数，得到该设定时间段内总人力配比，根据总人力配比及S3步骤计算得到的各区域各工作时段的人力比重，计算得到该设定时间段内各区域各工作时段的最优人力配比；
S5、对于任何一个排班表，通过其实际人力配比与最优人力配比的拟合度作为其适应度函数；根据排班规则和在岗人数，随机生成一系列排班表作为初代群体；使用遗传算法进行迭代；根据适应度函数得出初代群体中每个排班表的适应度，将初代群体中排班表按适应度由大到小排列，取排列后的前一半排班表复制到下一代群体中，同时以设定变异概率进行变异，从而得到下一代群体，迭代次数达到设定阈值后，从当前群体中取得适应度最高的排班表，以此排班表生成最优排班表。所述设定变异概率为0.05，每次迭代均匀变异。
实施例3
作为本发明又一较佳实施例，参照说明书附图1，本发明公开了医院后勤自动排班的方法，该方法包括以下步骤：
S1、将设定时间段内的排班任务按照区域和工作时段进行划分，得到一个人力配比数据矩阵M*N，其中M代表区域个数，N代表工作时段个数；该数据矩阵中每个元素Zmn表示区域m在工作时段n的人力配比。
作为本实施例的一种实施方式，所述的设定时间段是指一次排班需要的排班时间段，例如一次排班需要对一个月内的人员安排进行排班，则设定时间段即为从当前排班任务开始之后的一个月；而与设定时间段对应的历史时间段，是指按年进行划分，历史时间段表示在当前预计进行排班的时间段对应的前一年或者时前N年的时间段，例如设定时间段为一个月，需要处理12月的排班任务，则历史时间段即为历年的12月。
作为本实施例的又一种实施方式，所述工作时段可根据需求自行定义，可以定义为一个小时，也可以根据轮班规则进行设定，例如三班轮换，23时-次日7时、7时-15时、15时-23时；每个工作时段为8小时。
S2、获取医院后勤设备历年的历史报修和告警数据，将获取的每年的医院后勤设备的历史报修和告警数据按照S1步骤中的设定时间段进行划分，并将与S1步骤中设定时间段对应的历史时间段内的历史报修和告警数据按照区域和工作时段进行划分；得到对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率。
所述设备报修频率amn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的报修数与该历史时间段内设备总报修数的比值。
所述设备维修难易度bmn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的维修时长与该历史时间段内设备维修总时长的比值。
所述设备告警频率cmn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的告警次数与该历史时间段内设备告警总数的比值。
所述设备老化程度dm表示区域m内设备的服役时长与区域m内设备的生命周期时长的比值。
所述设备使用频率em表示区域m内设备的使用时长与所有设备的使用时长的比值。
S3、将S2步骤得到的与设定时间段对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率；作为影响因素，计算设定时间段内各区域各工作时段所需的人力比重。
各区域各工作时段的人力比重为
Figure DEST_PATH_IMAGE013
式中，
Figure DEST_PATH_IMAGE015
表示区域m内在工作时段n时的人力比重；amn表示区域m内在工作时段n时的设备报修频率；bmn表示区域m内在工作时段n时的设备维修难易度；cmn表示区域m内在工作时段n时的设备告警频率；dm表示区域m内设备的设备老化程度；em表示区域m内设备的设备使用频率。
S4、根据设定的排班规则及在岗人数，得到该设定时间段内总人力配比，根据总人力配比及S3步骤计算得到的各区域各工作时段的人力比重，计算得到该设定时间段内各区域各工作时段的最优人力配比。
作为本实施例的又一种实施方式，设定的排班规则是指，医院自定义的排班规则，例如每人每个班次工作时长为7-10小时之间浮动，每周总的工作时长为40小时，两个班次之间的休息时间不得低于6小时。
最优人力配比的计算公式如下：
Figure DEST_PATH_IMAGE017
，式中，
Figure DEST_PATH_IMAGE019
表示区域m内在工作时段n时的最优人力配比；
Figure DEST_PATH_IMAGE021
表示区域m内在工作时段n时的人力比重；Z表示总人力配比。
S5、对于任何一个排班表，通过其实际人力配比与最优人力配比的拟合度作为其适应度函数；根据排班规则和在岗人数，随机生成一系列排班表作为初代群体；使用遗传算法进行迭代；根据适应度函数得出初代群体中每个排班表的适应度，将初代群体中排班表按适应度由大到小排列，取排列后的前一半排班表复制到下一代群体中，同时以设定变异概率进行变异，从而得到下一代群体，迭代次数达到设定阈值后，从当前群体中取得适应度最高的排班表，以此排班表生成最优排班表。所述设定变异概率为0.05，每次迭代均匀变异。
所述适应度函数为
Figure DEST_PATH_IMAGE023
，式中，
Figure DEST_PATH_IMAGE025
表示区域m内在工作时段n时的最优人力配比；
Figure DEST_PATH_IMAGE027
表示根据当前排班表计算得到的区域m内在工作时段n时的实际人力配比；
Figure DEST_PATH_IMAGE029
表示适应度，
Figure 811219DEST_PATH_IMAGE029
的值越高，说明当前排班表越接近最优解。
作为本实施例的又一种实施方式，根据排班规则和在岗人数，随机生成1000个符合排班规则的排班表，对于每个排班表，可以得到其适应度X。每次迭代，按照适应度从高到低排序，选择前500个排班表作为父集P(t)，将不同的排班进行交叉遗传和变异，生成新的排班表，从中筛选符合排班规则的排班表作为子集P(t+1)。设置一个阈值T，当t=T时，结束迭代。采用当前子集P(T+1)中X值最高的排班表，作为当月排班的最优解。
实施例4
作为本发明又一较佳实施例，参照说明书附图2所示，本实施例公开了医院后勤自动排班的系统，该系统包括：数据抽取模块、数据分析模块、考勤管理模块、排班管理模块和自动排班模块；
所述数据抽取模块用于从数据库中按年度抽取出医院空间信息、设备信息、设备历史报修数据和设备历史告警数据，并将抽取出的数据发送至数据分析模块进行数据分析；
所述数据分析模块对数据抽取模块传输的医院空间信息、设备信息、设备历史报修数据和设备历史告警数据，进行分析，分析得到与设定时间段对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率，并将其作为影响因素，计算设定时间段内各区域各工作时段所需的人力比重；
所述考勤管理模块包括人事管理和人员考勤绩效管理，所述人事管理包括对考勤数据的管理、对出差、请假的审批流程管理；所述人员考勤绩效管理时根据人员考勤数据进行绩效统计；
所述排班管理模块用于设置排班规则和调班管理；
所述自动排班模块，用于将设定时间段内的排班任务按照区域和工作时段进行划分；根据考勤管理模块中统计的在岗人数和排班管理模块中的排班规则，计算得到设定时间段内总人力配比，根据总人力配比及数据分析模块得到的各区域各工作时段所需的人力比重计算得到该设定时间段内各区域各工作时段的最优人力配比；
还用于对于任何一个排班表，通过其实际人力配比与最优人力配比的拟合度作为其适应度函数；根据排班规则和在岗人数，随机生成一系列排班表作为初代群体；使用遗传算法进行迭代；迭代次数达到设定阈值后，从当前群体中取得适应度最高的排班表，以此排班表输出作为最优排班表。
作为本实施例的一种实施方式，所述的设定时间段是指一次排班需要的排班时间段，例如一次排班需要对一个月内的人员安排进行排班，则设定时间段即为从当前排班任务开始之后的一个月；而与设定时间段对应的历史时间段，是指按年进行划分，历史时间段表示在当前预计进行排班的时间段对应的前一年或者时前N年的时间段，例如设定时间段为一个月，需要处理12月的排班任务，则历史时间段即为历年的12月；
作为本实施例的又一种实施方式，所述工作时段可根据需求自行定义，可以定义为一个小时，也可以根据轮班规则进行设定，例如三班轮换，23时-次日7时、7时-15时、15时-23时；每个工作时段为8小时；
作为本实施例的又一种实施方式，设定的排班规则是指，医院自定义的排班规则，例如每人每个班次工作时长为7-10小时之间浮动，每周总的工作时长为40小时，两个班次之间的休息时间不得低于6小时。
实施例5
作为本发明又一较佳实施例，参照说明书附图2所示，本实施例公开了医院后勤自动排班的系统，该系统包括：数据抽取模块、数据分析模块、考勤管理模块、排班管理模块和自动排班模块。
所述数据抽取模块用于从数据库中按年度抽取出医院空间信息、设备信息、设备历史报修数据和设备历史告警数据，并将抽取出的数据发送至数据分析模块进行数据分析。
所述数据分析模块对数据抽取模块传输的医院空间信息、设备信息、设备历史报修数据和设备历史告警数据，进行分析。
数据分析模块将获取的每年的医院后勤设备的历史报修和告警数据按照设定时间段进行划分，并将与设定时间段对应的历史时间段内的历史报修和告警数据按照区域和工作时段进行划分；得到对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率。
所述设备报修频率amn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的报修数与该历史时间段内设备总报修数的比值；
所述设备维修难易度bmn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的维修时长与该历史时间段内设备维修总时长的比值；
所述设备告警频率cmn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的告警次数与该历史时间段内设备告警总数的比值；
所述设备老化程度dm表示区域m内设备的服役时长与区域m内设备的生命周期时长的比值；
所述设备使用频率em表示区域m内设备的使用时长与所有设备的使用时长的比值。
各区域各工作时段的人力比重为
Figure DEST_PATH_IMAGE031
式中，
Figure DEST_PATH_IMAGE033
表示区域m内在工作时段n时的人力比重；amn表示区域m内在工作时段n时的设备报修频率；bmn表示区域m内在工作时段n时的设备维修难易度；cmn表示区域m内在工作时段n时的设备告警频率；dm表示区域m内设备的设备老化程度；em表示区域m内设备的设备使用频率。
所述考勤管理模块包括人事管理和人员考勤绩效管理，所述人事管理包括对考勤数据的管理、对出差、请假的审批流程管理；所述人员考勤绩效管理时根据人员考勤数据进行绩效统计；
所述排班管理模块用于设置排班规则和调班管理。
所述自动排班模块，所述自动排班模块中，将设定时间段内的排班任务按照区域和工作时段进行划分，得到一个人力配比数据矩阵M*N，其中M代表区域个数，N代表工作时段个数；该数据矩阵中每个元素Zmn表示区域m在工作时段n的人力配比。
自动排班模块，根据考勤管理模块中统计的在岗人数和排班管理模块中的排班规则，计算得到设定时间段内总人力配比，根据总人力配比及数据分析模块得到的各区域各工作时段所需的人力比重计算得到该设定时间段内各区域各工作时段的最优人力配比；
最优人力配比的计算公式如下：
Figure DEST_PATH_IMAGE035
，式中，
Figure DEST_PATH_IMAGE037
表示区域m内在工作时段n时的最优人力配比；
Figure DEST_PATH_IMAGE039
表示区域m内在工作时段n时的人力比重；Z表示总人力配比。
还用于对于任何一个排班表，通过其实际人力配比与最优人力配比的拟合度作为其适应度函数；根据排班规则和在岗人数，随机生成一系列排班表作为初代群体；使用遗传算法进行迭代；迭代次数达到设定阈值后，从当前群体中取得适应度最高的排班表，以此排班表输出作为最优排班表。
更进一步的，所述自动排班模块根据适应度函数得出初代群体中每个排班表的适应度，将初代群体中排班表按适应度由大到小排列，取排列后的前一半排班表复制到下一代群体中，同时以设定变异概率进行变异，从而得到下一代群体，迭代次数达到设定阈值后，从当前群体中取得适应度最高的排班表，以此排班表生成最优排班表。
所述适应度函数为
Figure DEST_PATH_IMAGE041
，式中，
Figure DEST_PATH_IMAGE043
表示区域m内在工作时段n时的最优人力配比；
Figure DEST_PATH_IMAGE045
表示根据当前排班表计算得到的区域m内在工作时段n时的实际人力配比；
Figure DEST_PATH_IMAGE047
表示适应度，
Figure 604119DEST_PATH_IMAGE047
的值越高，说明当前排班表越接近最优解。
所述设定变异概率为0.05，每次迭代均匀变异。
实施例6
为了实现上述目的，根据本申请的另一方面，还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述医院后勤自动排班的方法的步骤。
在本实施例中处理器可以为中央处理器(Central Processing Unit，CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及单元，如本发明上述方法实施例中对应的程序单元。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及作品数据处理，即实现上述方法实施例中的方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个单元存储在所述存储器中，当被所述处理器执行时，执行上述实施例1、实施例2或实施例3中的方法。
实施例7
作为本发明又一较佳实施例，本实施例公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例1、实施例2或实施例3中的步骤。

Claims (21)

1.医院后勤自动排班的方法，其特征在于，该方法包括以下步骤：
S1、将设定时间段内的排班任务按照区域和工作时段进行划分；
S2、获取医院后勤设备的历史报修和告警数据，分析得到与设定时间段对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率；
S3、将S2步骤得到的与设定时间段对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率；作为影响因素，计算设定时间段内各区域各工作时段所需的人力比重；
S4、根据设定的排班规则及在岗人数，得到该设定时间段内总人力配比，根据总人力配比及S3步骤计算得到的各区域各工作时段的人力比重，计算得到该设定时间段内各区域各工作时段的最优人力配比；
S5、对于任何一个排班表，通过其实际人力配比与最优人力配比的拟合度作为其适应度函数；根据排班规则和在岗人数，随机生成一系列排班表作为初代群体；使用遗传算法进行迭代；迭代次数达到设定阈值后，从当前群体中取得适应度最高的排班表，以此排班表生成最优排班表。
2.如权利要求1所述的医院后勤自动排班的方法，其特征在于：S1步骤中，将设定时间段内的排班任务按照区域和工作时段进行划分，得到一个人力配比数据矩阵M*N，其中M代表区域个数，N代表工作时段个数；该数据矩阵中每个元素Zmn表示区域m在工作时段n的人力配比。
3.如权利要求1或2所述的医院后勤自动排班的方法，其特征在于：，S2步骤中，获取医院后勤设备历年的历史报修和告警数据，将获取的每年的医院后勤设备的历史报修和告警数据按照S1步骤中的设定时间段进行划分，并将与S1步骤中设定时间段对应的历史时间段内的历史报修和告警数据按照区域和工作时段进行划分；得到对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率。
4.如权利要求1或2所述的医院后勤自动排班的方法，其特征在于：所述设备报修频率amn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的报修数与该历史时间段内设备总报修数的比值；
所述设备维修难易度bmn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的维修时长与该历史时间段内设备维修总时长的比值；
所述设备告警频率cmn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的告警次数与该历史时间段内设备告警总数的比值。
5.如权利要求4所述的医院后勤自动排班的方法，其特征在于：所述设备老化程度dm表示区域m内设备的服役时长与区域m内设备的生命周期时长的比值；
所述设备使用频率em表示区域m内设备的使用时长与所有设备的使用时长的比值。
6.如权利要求1、2或5所述的医院后勤自动排班的方法，其特征在于：所述S3步骤中，各区域各工作时段的人力比重为
Figure DEST_PATH_IMAGE001
，式中，
Figure 465023DEST_PATH_IMAGE002
表示区域m内在工作时段n时的人力比重；amn表示区域m内在工作时段n时的设备报修频率；bmn表示区域m内在工作时段n时的设备维修难易度；cmn表示区域m内在工作时段n时的设备告警频率；dm表示区域m内设备的设备老化程度；em表示区域m内设备的设备使用频率。
7.如权利要求6所述的医院后勤自动排班的方法，其特征在于：S4步骤中，最优人力配比的计算公式如下：
Figure DEST_PATH_IMAGE003
，式中，
Figure 86891DEST_PATH_IMAGE004
表示区域m内在工作时段n时的最优人力配比；
Figure 335470DEST_PATH_IMAGE002
表示区域m内在工作时段n时的人力比重；Z表示总人力配比。
8.如权利要求1、2、5或7所述的医院后勤自动排班的方法，其特征在于：S5步骤中，根据适应度函数得出初代群体中每个排班表的适应度，将初代群体中排班表按适应度由大到小排列，取排列后的前一半排班表复制到下一代群体中，同时以设定变异概率进行变异，从而得到下一代群体，迭代次数达到设定阈值后，从当前群体中取得适应度最高的排班表，以此排班表生成最优排班表。
9.如权利要求8所述的医院后勤自动排班的方法，其特征在于：所述适应度函数为
Figure DEST_PATH_IMAGE005
，式中，
Figure 933941DEST_PATH_IMAGE006
表示区域m内在工作时段n时的最优人力配比；
Figure DEST_PATH_IMAGE007
表示根据当前排班表计算得到的区域m内在工作时段n时的实际人力配比；
Figure 420417DEST_PATH_IMAGE008
表示适应度，
Figure 711721DEST_PATH_IMAGE008
的值越高，说明当前排班表越接近最优解。
10.如权利要求8所述的医院后勤自动排班的方法，其特征在于：所述设定变异概率为0.05，每次迭代均匀变异。
11.医院后勤自动排班的系统，其特征在于，该系统包括：数据抽取模块、数据分析模块、考勤管理模块、排班管理模块和自动排班模块；
所述数据抽取模块用于从数据库中按年度抽取出医院空间信息、设备信息、设备历史报修数据和设备历史告警数据，并将抽取出的数据发送至数据分析模块进行数据分析；
所述数据分析模块对数据抽取模块传输的医院空间信息、设备信息、设备历史报修数据和设备历史告警数据，进行分析，分析得到与设定时间段对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率，并将其作为影响因素，计算设定时间段内各区域各工作时段所需的人力比重；
所述考勤管理模块包括人事管理和人员考勤绩效管理，所述人事管理包括对考勤数据的管理、对出差、请假的审批流程管理；所述人员考勤绩效管理时根据人员考勤数据进行绩效统计；
所述排班管理模块用于设置排班规则和调班管理；
所述自动排班模块，用于将设定时间段内的排班任务按照区域和工作时段进行划分；根据考勤管理模块中统计的在岗人数和排班管理模块中的排班规则，计算得到设定时间段内总人力配比，根据总人力配比及数据分析模块得到的各区域各工作时段所需的人力比重计算得到该设定时间段内各区域各工作时段的最优人力配比；
所述自动排班模块还用于对于任何一个排班表，通过其实际人力配比与最优人力配比的拟合度作为其适应度函数；
所述自动排班模块根据排班规则和在岗人数，随机生成一系列排班表作为初代群体；使用遗传算法进行迭代；迭代次数达到设定阈值后，从当前群体中取得适应度最高的排班表，以此排班表输出作为最优排班表。
12.如权利要求11所述的医院后勤自动排班的系统，其特征在于：所述数据分析模块将获取的每年的医院后勤设备的历史报修和告警数据按照设定时间段进行划分，并将与设定时间段对应的历史时间段内的历史报修和告警数据按照区域和工作时段进行划分；得到对应的历史时间段内各区域各工作时段的设备报修频率、设备维修难易度和设备告警频率，以及各区域的设备老化程度和设备使用频率。
13.如权利要求11或12所述的医院后勤自动排班的系统，其特征在于：所述设备报修频率amn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的报修数与该历史时间段内设备总报修数的比值；
所述设备维修难易度bmn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的维修时长与该历史时间段内设备维修总时长的比值；
所述设备告警频率cmn表示在与S1步骤中设定时间段对应的历史时间段内，区域m内的设备在工作时段n的告警次数与该历史时间段内设备告警总数的比值。
14.如权利要求13所述的医院后勤自动排班的系统，其特征在于：所述设备老化程度dm表示区域m内设备的服役时长与区域m内设备的生命周期时长的比值；
所述设备使用频率em表示区域m内设备的使用时长与所有设备的使用时长的比值。
15.如权利要求11、12或14所述的医院后勤自动排班的系统，其特征在于：各区域各工作时段的人力比重为
Figure 713175DEST_PATH_IMAGE001
，式中，
Figure 879452DEST_PATH_IMAGE002
表示区域m内在工作时段n时的人力比重；amn表示区域m内在工作时段n时的设备报修频率；bmn表示区域m内在工作时段n时的设备维修难易度；cmn表示区域m内在工作时段n时的设备告警频率；dm表示区域m内设备的设备老化程度；em表示区域m内设备的设备使用频率。
16.如权利要求15所述的医院后勤自动排班的系统，其特征在于：最优人力配比的计算公式如下：
Figure 17173DEST_PATH_IMAGE003
，式中，
Figure 479378DEST_PATH_IMAGE004
表示区域m内在工作时段n时的最优人力配比；
Figure 702549DEST_PATH_IMAGE002
表示区域m内在工作时段n时的人力比重；Z表示总人力配比。
17.如权利要求11、12、14或16所述的医院后勤自动排班的系统，其特征在于：所述自动排班模块中，将设定时间段内的排班任务按照区域和工作时段进行划分，得到一个人力配比数据矩阵M*N，其中M代表区域个数，N代表工作时段个数；该数据矩阵中每个元素Zmn表示区域m在工作时段n的人力配比。
18.如权利要求11、12、14或16所述的医院后勤自动排班的系统，其特征在于：所述自动排班模块根据适应度函数得出初代群体中每个排班表的适应度，将初代群体中排班表按适应度由大到小排列，取排列后的前一半排班表复制到下一代群体中，同时以设定变异概率进行变异，从而得到下一代群体，迭代次数达到设定阈值后，从当前群体中取得适应度最高的排班表，以此排班表生成最优排班表。
19.如权利要求17所述的医院后勤自动排班的系统，其特征在于：所述适应度函数为
Figure 173981DEST_PATH_IMAGE005
，式中，
Figure 166208DEST_PATH_IMAGE006
表示区域m内在工作时段n时的最优人力配比；
Figure 64894DEST_PATH_IMAGE007
表示根据当前排班表计算得到的区域m内在工作时段n时的实际人力配比；
Figure 40940DEST_PATH_IMAGE008
表示适应度，
Figure 784905DEST_PATH_IMAGE008
的值越高，说明当前排班表越接近最优解。
20.一种计算机设备，其特征在于，包括处理器、输入设备、输出设备和存储器，处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-10任意一项所述的方法。
21.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-10任意一项所述的方法。
CN202111492489.5A 2021-12-08 2021-12-08 医院后勤自动排班的方法、系统、计算机设备及存储介质 Pending CN114169862A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111492489.5A CN114169862A (zh) 2021-12-08 2021-12-08 医院后勤自动排班的方法、系统、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111492489.5A CN114169862A (zh) 2021-12-08 2021-12-08 医院后勤自动排班的方法、系统、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN114169862A true CN114169862A (zh) 2022-03-11

Family

ID=80484282

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111492489.5A Pending CN114169862A (zh) 2021-12-08 2021-12-08 医院后勤自动排班的方法、系统、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN114169862A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117114373A (zh) * 2023-10-24 2023-11-24 中铁发展投资有限公司 一种智慧工地人员管理系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117114373A (zh) * 2023-10-24 2023-11-24 中铁发展投资有限公司 一种智慧工地人员管理系统

Similar Documents

Publication Publication Date Title
US10804700B2 (en) Method and system for optimizing and predicting demand response
US10181165B2 (en) Critical peak pricing demand response participant assessment
Zhang et al. A convex model of risk-based unit commitment for day-ahead market clearing considering wind power uncertainty
US20220027744A1 (en) Resource data modeling, forecasting and simulation
Taylor et al. Short-term load forecasting methods: An evaluation based on european data
US8761953B2 (en) Grid optimization resource dispatch scheduling
Tang et al. Efficient scenario generation of multiple renewable power plants considering spatial and temporal correlations
CN114118496A (zh) 一种基于大数据分析自动调度排队预约的方法及系统
CN112749221A (zh) 数据任务调度方法、装置、存储介质及调度工具
Ma et al. Redundant and nonbinding transmission constraints identification method combining physical and economic insights of unit commitment
CN114169862A (zh) 医院后勤自动排班的方法、系统、计算机设备及存储介质
CN112749944A (zh) 一种排班方法、装置、设备及存储介质
US20200285990A1 (en) Sequence, frequency, and time interval based journey recommendation
CN114493028A (zh) 预测模型的建立方法和装置、存储介质及电子装置
CN115756812A (zh) 一种资源调整方法及装置、存储介质
CN117350640A (zh) 一种项目进度管理方法与系统
CN116187728A (zh) 客服排班优化方法、装置、设备及存储介质
CN113052417A (zh) 一种资源配置方法以及装置
Allen et al. Determining resource requirements for elections using indifference-zone generalized binary search
CN112800089B (zh) 一种中间数据存储级别调整方法、存储介质及计算机设备
US10558683B2 (en) Selection of a start time for a periodic operation
CN113269370A (zh) 一种活跃用户预测方法、装置、电子设备及可读存储介质
CN111949246A (zh) 新能源电力行业应用的创建方法及装置
CN111950863A (zh) 信息显示方法、终端设备
CN117220286B (zh) 一种水风光多能互补系统风险评估方法、装置及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination